Ключевые слова
Как цитировать
Аннотация
Точное краткосрочное прогнозирование генерации из возобновляемых источников энергии важно для управления энергосистемой, планирования баланса и снижения рисков, связанных с изменчивостью солнечной и ветровой генерации. В статье сравниваются три подхода: классическая модель ARIMA, алгоритм градиентного бустинга XGBoost и упрощённая оконная прокси-модель, имитирующая логику LSTM-подхода. Исследование выполнено как учебно-исследовательская работа бакалавра и основано на синтетических почасовых данных за 2023 год. Данные сгенерированы с учётом типичных суточных, сезонных и стохастических закономерностей солнечной и ветровой генерации. Модели обучались на данных первых одиннадцати месяцев и тестировались на последних тридцати днях. Результаты показали, что для солнечной генерации прокси-модель дала наименьшее значение RMSE (21,50 МВт), тогда как XGBoost показал близкий результат (23,44 МВт). Для ветровой генерации результаты моделей оказались почти одинаковыми, что связано с высокой стохастичностью ветрового ресурса. Также показано, что MAPE может быть нестабильной метрикой при нулевых и близких к нулю значениях генерации, поэтому RMSE и MAE являются более надёжными показателями для сравнения моделей.